今年五月，有赞在杭州举办了一场春季发布会，主题聚焦“有效果的AI”。首席执行官白鸦在会场详细阐述了AI如何助力商家提升销售业绩。然而，行业观察人士更为关注的是，这家公司自身在AI驱动下正经历怎样的深刻变革。
经过与白鸦长达两个多小时的交流，一个清晰的图景浮现：有赞正积极通过AI全面重塑自身，其影响波及组织架构、薪酬体系、内部系统乃至整体商业模式，引发了一系列连锁反应。
在这场转型过程中，有赞采取了许多出人意料的举措，其中最引人注目的是销售团队的扩展。在AI替代论甚嚣尘上的2025年，有赞在利用AI部分取代客服和SDR团队的同时，销售人员数量却不降反增，增加了数百名。
这并非个案。同一时期，Salesforce裁减了约4000个客服及支持岗位，其首席执行官明确指出“有了AI，我们所需的人力更少”。然而，该公司同时又招聘了上千名销售人员，以推广其AI产品。在全球范围内，AI主要取代的是后端标准化服务，而直接面向客户的前端销售反而得到了加强。
这一判断源于白鸦对软件行业的一个基本认知。
白鸦将企业软件划分为两类：前端的营销、销售、运营软件，以及后端的财务、人力、行政管理软件。这两类软件在AI时代面临截然不同的命运。
前端软件的价值不仅体现在功能本身，更在于“共享创新实践”。例如，一个连锁商家一年可能仅能成功策划两次营销活动，但通过有赞系统，商家可以借助五万个商家的数据，洞察每月涌现的数百种新玩法，再由AI智能推荐。这种信息优势构成了前端SaaS的核心竞争力。
白鸦解释说：“即使你拥有一个五六人的策划团队，自己创新的成功活动不会超过两次。但若能借鉴他人的成功经验，快速模仿，六次尝试中便能成功四五次。”他强调，这就是前端管理软件不会被替代的原因，因为“你使用的并非单纯的软件，而是创新的最佳实践的共享”。
后端软件则面临完全不同的境遇。过去，后端软件常被诟病臃肿且难以满足个性化需求，但由于自研成本高昂，企业不得不接受。如今，AI将自研成本大幅降低至原有的5%，使得天平迅速倾斜。
有赞自身为例，资产盘点、招聘、绩效考核、培训及大客户项目管理等过去需要每年投入数百万采购的通用软件，现已全部由一线业务管理者通过对话编程工具“自主开发”完成。
白鸦预测，AI对后端软件的冲击将分为三波。第一波是过去因成本过高而无法开发的系统，如今因成本降低而大量涌现。第二波是定制化软件，过去其主要成本在于甲乙双方多角色间的沟通协作，而非代码编写本身。
第三波冲击对象是年费在5万至50万之间的中等价位通用软件。目前，这些软件的用户合同大多签订至2027年前后，尚未到期，因此冲击尚未完全显现。在未来两年内，有两类软件受影响较小：年费低于2万的廉价软件不值得企业自研，而年费超过50万的复杂系统则“需等待模型能力升级至95分以上”才能被大幅替代。
如果后端系统普遍可被替代，那为何前端反而需要增加人员呢？
白鸦从中美市场的差异来解释这一现象。他指出：“美国用户倾向于DIY，即便给予他们一个Claude Code工具，他们也会深入研究如何安装和配置。但中国市场则不同，‘我一个文科生’、‘我不懂技术’，这些说法很常见，普通用户觉得技术离他们太远。”
当一个老板希望利用AI时，他可能会指派下属去完成，但如果下属缺乏兴趣，事情往往不了了之。白鸦现在直接建议关系好的老板：“别指派别人，你自己来尝试。”对方起初可能抗拒，但尝试后会发现：“哦，原来这么简单。”
白鸦总结道：“中国市场仍处于探索阶段。”在此阶段，AI主要能取代的是流程固定的重复性工作，例如清洗销售线索的SDR和处理标准化问题的客服，有赞确实已部分实现了这些岗位的自动化替代。
然而，真正面向客户进行深度沟通、理解复杂需求并建立信任关系的销售工作，短期内难以被AI取代。这并非技术难题，而是市场教育成本问题：中国企业主尚未准备好与AI进行采购需求沟通，那种“安排个人吧”的惯性依然根深蒂固。因此，在AI替代SDR的同时，有赞反而需要更多能够面谈、清晰阐释“为何你需要这个产品”的销售人员。
更深层次的分水岭在于商业模式。美国SaaS通常按坐席收费，AI越智能，客户所需坐席越少，收入随之减少。裁员既是成本控制，也是商业模式挤压的结果。而中国SaaS行业几乎不存在真正的坐席收费模式，过去两年的收入和利润并未受到这类冲击。
白鸦反问道：“中国SaaS行业已经很少有人按坐席收费了，你们意识到这个问题了吗？”正因如此，同样的技术变量在中美两个市场产生了截然相反的人力资源逻辑。
这与白鸦对商业模式的判断高度契合。他预测，有赞四年后的收入结构将是30% SaaS服务、30%增值配套服务、40% AI相关业务。尽管AI收入占比最高，但SaaS和增值服务合计仍占据六成。这些收入的实现，都离不开人与人之间的沟通。
在组织层面，有赞的变革同样激进。白鸦正推动薪酬结构的全面重新设计。过去，员工工资构成大致是“专业能力占80%，岗位贡献占20%”：例如工程师的薪资主要取决于代码编写能力，所属项目仅作为加成。现在，这一比例正被调整为“五五开”。
他解释道：“你是一名优秀的产品经理，获得固定薪资。但如果你同时具备前端开发能力，则额外获得一份奖金；能做后端开发，再获一份奖金；若还能进行运营工作，则再次叠加一份奖金。”
这背后的逻辑显而易见：AI显著提升了单兵作战的效率。过去一个人通常只能专注于一项任务，如今借助AI，一人便能横跨多个领域。如果组织的回报机制不及时调整，有能力的员工可能不会更多投入，或者即使多付出也难以长久留任。
这种“宽能力”考核模式已在部分团队试点。它并非AI取代人类，而是AI放大了人与人之间的差距：能够驾驭AI的人，其产出呈指数级增长。因此，组织的核心任务变为如何留住这些高效率人才，以及如何培养更多具备此能力的人。
从整体交流来看，有赞已在多个领域超越实验阶段，取得显著进展。
AI客服的落地最为扎实：半年内处理了87.7万顾客请求，完成了613万次对话，并带来了超过5570万的交易额。某商家使用后，人效提升高达三倍。内部的“自主开发系统”则彻底改变了采购逻辑，白鸦已要求招聘负责人提前更换还有一年半才到期的招聘系统。
GEO（生成式引擎优化）也在积极推进中。有赞的“加我推荐官”项目成功帮助岚图汽车将AI可见性从15.7%提升至近70%。当豆包、DeepSeek、元宝等AI应用月活用户总量接近6亿时，品牌能否被AI“发现并推荐”，正成为一个真实的新流量入口。
但白鸦对AI的收入模式持谨慎态度。他认为，“很多人说按Token收费是最佳商业模式，但大部分Token收费实际上是平进平出。”他判断，缺乏独特数据和场景绑定的AI最终会从价值定价滑向成本定价。
他举例说：“这就好比牛仔裤，1000块和3000块的质量，差异可能仅在90%和95%之间，平时我们通常选择三五百元的。”有赞所依仗的，正是其十多年积累的商家经营数据和私域营销策略。这些独有数据，外部AI无法获取。
回溯中国SaaS行业的整体脉络，本轮变革有几点值得深思。
首先，这并非“全面AI化”，而是“结构性的战略选择”。白鸦清晰区分了哪些任务应由AI替代（如后端标准化系统）、哪些反而需增加人力投入（如前端销售服务）、以及哪些领域应着眼长期布局（如GEO）。这种有进有退的节奏感，远比一刀切的“All in AI”更为务实。
其次，有赞承认并尊重中国市场的特殊性，而非盲目照搬美国模式。美国企业主偏爱DIY文化，对vibe coding的接受度高；而中国市场仍处于“探索期”，需要更重度的服务和教育投入。若在人员招聘上简单对标硅谷，将得出完全错误的结论。
第三，AI不仅被视为工具，更是组织变革的催化剂。薪酬结构从二八开到五五开的调整，并非有赞主动追求人力创新，而是被AI倒逼的结果。当一个人能完成的工作从一件增至三件时，若薪酬体系不随之调整，组织便会面临解体风险。
同时，有赞的探索之路也面临几个关键的不确定因素。
白鸦预测的30/30/40收入结构尚需四年时间验证。GEO这一新兴流量入口的竞争已趋白热化，各大巨头随时可能亲自下场参与。一家公司同时坚守前端SaaS、积极拓展AI新业务、并推动内部组织变革，资源聚焦的风险客观存在。
回到那个最核心的问题：AI究竟是在吞噬SaaS，还是在重塑SaaS？
白鸦给出的答案是：“软件不会被AI取代，因为AI每次给出的回答都是随机生成的，它无法提供稳定、确定的结果和作业流程。AI能让软件更容易实现，AI生成软件，而软件最终为商家带来确定性的工作成果。”
这个回答本身，正是一位经历过AI冲击的传统SaaS创业者，在重新理解自身业务本质后所提供的洞见。它或许不尽完美，但足够真诚。而这，恰恰是中国当前AI浪潮中最稀缺的品质。